随着现代工业的发展,机器视觉在工业生产中的应用越来越广泛,机器视觉算法在嵌入式系统上的实现也成为了热门的研究方向。轮廓匹配算法是一种应用很广的机器视觉算法,但是传统的轮廓匹配算法在应用上存在一些问题:一是算法性能低下,无法达到实时性需求;二是应用环境复杂,例如光照不稳定等因素,算法的鲁棒性有待提升;三是应用需求复杂多样化,算法的普遍适用性存在挑战。针对上述问题,本文设计并实现了一种嵌入式视觉传感器轮廓匹配算法,算法以形状梯度为特征,并针对嵌入式系统的特点对算法进行了优化,具有匹配速度快、光照鲁棒性、通用性、可配置性等优点。算法的创新点和优势表现在:一、以图像金字塔优化方法为基础,结合积分图和基于弱分类的积分图加速策略,设计了一种可在图像金字塔顶层快速获取目标轮廓的候选位姿的三级匹配方法。使用此优化方法可以在图像金字塔顶层快速获取目标轮廓的粗定位和粗略角度,对算法的性能有极大的提升。二、针对在图像金字塔多层匹配过程中,对目标进行候选点扩展时会产生大量重复扩展候选点的问题,本文设计了一种在目标候选点的邻域内获取最优候选点的方法。此方法在金字塔层间候选点集合中对候选点时可做出有效且全面的扩展,且可以解决扩展候选点被重复计算的问题,在保证匹配精度的同时极大地减少了运算量。三、针对嵌入式系统浮点运算能力不足的问题,使用静态查找表和动态查找表对算法进行优化。使用查表方法记录并查找正余弦结果和算法运行时状态,可以减少大量浮点数运算。四、提供对算法的关键参数的进行配置的接口,可保证算法在不同的应用场景中具有高的鲁棒性和高适用性。为了验证算法的有效性和性能,本文对所实现的轮廓匹配算法实施了功能性测试和性能测试:针对瑕疵检测的功能需求以及光照变化和复杂背景下算法的鲁棒性需求,实施了功能性测试,以测试算法轮廓模板建立和轮廓模板匹配阶段在不同环境下的表现效果;针对算法轮廓模板建立的耗费时间和轮廓模板匹配的耗费时间实施了性能测试。实验结果表明算法在上述场景中可满足常见瑕疵检测的应用需求,且具有良好的鲁棒性,满足算法预期的功能性要求。在轮廓模板建立和模板匹配测试中,算法可以在期望时间内做出检测判断,证明了本算法中优化方法的有效性。